Uniwersytet Warszawski - Centralny System Uwierzytelniania

Internship or study visit

Informacje ogólne

Kod przedmiotu:	1000-319bINT
Kod Erasmus / ISCED:	11.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0612) Database and network design and administration Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu:	Internship or study visit
Jednostka:	Wydział Matematyki, Informatyki i Mechaniki
Grupy:	Przedmioty obowiązkowe dla II roku Machine Learning
Punkty ECTS i inne:	6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS: roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS; tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h; 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się; tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS; nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia:	angielski
Rodzaj przedmiotu:	obowiązkowe
Skrócony opis:	Obowiązkowe praktyki zawodowe dla studentów kierunku machine learning.
Pełny opis:	Studenci I roku kierunku uczenie maszynowe, zobowiązani są do odbycia praktyk zawodowych w czasie przerwy wakacyjnej (lipiec, sierpień). Praktyki trwają miesiąc w łącznej liczbie 160 godzin. Jeśli wypada wolny dzień od pracy np. 15.08.2022 r. (poniedziałek) to należy ten dzień odpracować, przedłużając o jeden dzień dłużej czas trwania praktyki. Praktyki będą się odbywać w firmach zajmujących się zastosowaniami uczenia maszynowego. Przewidujemy możliwość zastąpienia stażu dwoma lub trzema kilkudniowymi wizytami studyjnymi w ośrodkach zajmujących się badaniami związanymi z uczeniem maszynowym.
Literatura:	Brak
Efekty uczenia się:	The student is ready to * krytycznej oceny posiadanej wiedzy i odbieranych treści; * uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych oraz zasięgania opinii ekspertów w przypadku trudności z samodzielnym rozwiązaniem problemu; * myślenia i działania w sposób przedsiębiorczy.
Metody i kryteria oceniania:	Zgodnie z dokumentem Szczegółowe zasady realizacji praktyk na kierunku Machine Learning (studia II stopnia) https://dokumenty.uw.edu.pl/dziennik/DRD/Lists/Dziennik/Attachments/1080/DRD.2021.296.URD.16.pdf

Zajęcia w cyklu "Rok akademicki 2023/24" (zakończony)

Okres:	2023-10-01 - 2024-06-16	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ PT
Typ zajęć:	Praktyka, 30 godzin więcej informacji
Koordynatorzy:	Waldemar Pałuba
Prowadzący grup:	Waldemar Pałuba
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Przedmiot - Zaliczenie na ocenę Praktyka - Zaliczenie na ocenę

Zajęcia w cyklu "Rok akademicki 2024/25" (w trakcie)

Okres:	2024-10-01 - 2025-06-08	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ PT
Typ zajęć:	Praktyka, 30 godzin więcej informacji
Koordynatorzy:	Waldemar Pałuba
Prowadzący grup:	Waldemar Pałuba
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Przedmiot - Zaliczenie na ocenę Praktyka - Zaliczenie na ocenę

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.